一种基于机器学习的卫星重叠隐蔽通信方法

针对传统卫星重叠通信中单个掩护信号带宽以及功率容限不够的问题,利用卫星转发器频谱环境中多个掩护信号提出了一种频域分割-子谱功率控制联合优化的多掩护信号重叠通信方法,建立了隐蔽通信信号传输性能和隐蔽性能的双目标优化问题,信关站侧采用感知的历史频谱数据训练生成支持向量机回归预测模型,用来预测不同转发器频谱环境下隐蔽信号的通信性能和隐蔽性能,并将训练好的预测模型下载到通信终端;终端侧利用双目标背包算法将支持向量机回归预测模型预测的隐蔽信号的通信性能和隐蔽性能作为价值因素、掩护信号个数作为背包重量来选择转发器频谱环境中的掩护信号,并且求解出隐蔽信号的频域分割和子频谱的功率控制参数,从而实现终端通信信号隐藏在卫星转发器的频谱环境中的目的。     

一种电力光传输网运行状态评估方法

针对现有电力光传输网评估方法考虑方面单一、主观性占比多等问题,提出了一种电力光传输网运行状态评估方法。首先从设备、光缆和系统3个维度选取指标,从网络规模、运行质量和管理因素3个方面建立评估指标体系,设计重叠信息分析法对评估指标体系进行优化。其次改进基于区间模糊层次分析法和熵权法的主客观组合权重赋值法计算指标权重。然后设计基于模糊综合评价法、效用函数法、可拓耦合评价法以及组合评估方法的运行状态评估算法评估光传输网运行状态。通过真实实例分析,验证了该方法能够更加全面、客观地评估光传输网的运行状态,辨识电力光传输网薄弱环节,为运维、检修和规划建设提供参考。     

一个实体关系与事件抽取的通用模型

信息提取的目的是从自然语言文件中找到具体信息,现有研究在信息抽取的实体关系和事件抽取任务中仅解决事件论元重叠和实体关系重叠的问题,未考虑两个任务共有的角色重叠问题,导致抽取结果准确率降低。提出一个两阶段的通用模型用于完成实体关系抽取和事件抽取子任务。基于预训练语言模型RoBERTa的共享特征表示,分别对实体关系/事件类型和实体关系/事件论元进行预测。将传统抽取触发词任务转化为多标签抽取事件类型任务,利用多尺度神经网络进一步提取文本特征。在此基础上,通过抽取文本相关类型的事件论元,根据论元角色的重要性对损失函数重新加权,解决数据不平衡、实体关系抽取和事件抽取中共同存在论元角色重叠的问题。在千言数据集中事件抽取和关系抽取任务测试集上的实验验证了该模型的有效性,结果表明,该模型的F1值分别为83.1%和75.3%。     

基于KNN信道识别算法的无前后缀频域均衡技术

为了提高单载波频域均衡(SC-FDE)系统的频带利用率和通信速率,提出了一种基于 KNN 信道识别算法的无前后缀频域均衡技术;该技术通过构建不同信道环境下带有导频的训练数据集,根据训练数据通过不同信道条件下的特征并使用KNN算法进行分类,进而确定信道类型及信道最大多径时延,通过信道最大多径时延合理确定无前后缀重叠剪切频域均衡算法的最优重叠剪切长度,进而消除多径干扰对无前后缀频域均衡数据的影响,达到最优解调性能;仿真表明: 基于KNN的重叠剪切算法与文献推荐的50%重叠剪切法相比,性能基本一致,即在误码率为10-3的情况下,信噪比恶化不大于0.5 dB;此算法准确确定了最优重叠长度,减少了大量无效的重叠长度,保证了多径信道下系统的误码性能,达到性能和复杂度的平衡。     

太赫兹网络中基于中继协作转发的高效双信道MAC协议

针对现有多输入多输出(Multiple-Input Multiple-Output, MIMO)太赫兹通信网络双信道MAC协议存在波束重叠干扰和冗余控制开销等问题,提出了一种太赫兹网络中基于中继协作转发的双信道MAC协议(High Efficiency Dual channel MAC Protocol Based on Relay Cooperative Forwarding in Terahertz Networks, HE-RCFMAC)。HE-RCFMAC协议包含动态帧聚合、基于位置信息自适应协作转发和精简RTS(Request To Send)/CTS(Clear To Send)帧三种机制。经三种机制处理后,可有效提升信道利用率,同时减小控制开销,提高数据传输成功率和整体网络吞吐量。仿真结果表明,所提协议与现有的MIMO太赫兹双信道MAC协议相比,MAC层吞吐量、数据传输成功率和信道利用率分别提升了12.82%、12.28%和8.73%,证明了所提协议的有效性。     

视场非完全重叠的分布式雷达多目标跟踪方法

在探测能力、波形设计及天线指向等因素制约下,分布式雷达视场并非完全重合,由此造成的观测信息差异给后续信息融合带来了巨大挑战。该文基于高斯混合实现的集势概率假设密度(CPHD)滤波器,提出了一种视场部分重叠下的分布式雷达多目标跟踪方法。首先,利用多目标密度乘积切分出概率假设密度(PHD)中表征共同观测信息的部分;之后,标准的分布式融合(算术平均或几何平均融合)方法作用于切分出的共同观测目标信息以提升跟踪性能,补偿融合则作用于雷达单独观测目标信息以扩展视场范围。该文方法无须视场先验信息,能够适应雷达视场未知时的分布式融合多目标跟踪场景。仿真实验验证了所提出方法在未知、时变雷达视场下跟踪多目标的性能,表明了该文方法比基于高斯混合的聚类方法性能更好。      

基于多节点拓扑重叠测度高阶MRF模型的图像分割

针对低阶马尔科夫随机场(Markov random field, MRF)模型难以有效表达自然图像中复杂的先验知识而造成误分割问题, 提出一种基于多节点拓扑重叠测度高阶MRF模型(Higher-order MRF model with multi-node topological overlap measure, MTOM-HMRF)的图像分割方法. 首先, 为描述图像局部区域内多像素蕴含的复杂空间拓扑结构信息, 利用多节点拓扑重叠测度建立图像局部区域的高阶先验模型; 其次, 利用较大的局部区域包含更多的标签节点信息能力, 基于Pairwise MRF模型建立基于局部区域的部分二阶Potts先验模型, 提高分割模型的抗噪能力; 再次, 为有效描述观察图像场与其标签场的似然特征分布, 研究利用局部区域内邻接像素的Hamming距离引入图像局部空间相关性, 建立局部空间一致性约束的高斯混合分布; 最后, 基于MRF框架建立用于图像分割的多节点拓扑重叠测度高阶MRF模型, 采用Gibbs采样算法对提出模型进行优化. 实验结果表明, 提出模型不仅能有效抵抗图像强噪声和复杂的纹理突变干扰, 鲁棒性更好, 而且具有更准确的图像分割结果.     

基于DeepLabV3与GAN的雷达时频混叠多信号智能检测与分离

针对当前雷达信号智能检测研究中存在信号数量受限、样式单一、不便于后续处理等问题,本文提出了一种基于DeepLabV3与GAN的雷达时频混叠多信号智能检测与分离方法。首先对接收信号的时域数据通过时频变换得到二维的时频数据,利用DeepLabV3对多信号重叠的时频数据进行检测并且实现信号的分离,对于信号的重叠部分利用GAN对时域信号进行估计重构。实验结果表明,该方法在信噪比（SNR）为-3 dB时,检测平均交并比（mIoU）能够达到了85%以上,在SNR为6 dB时,分离后的信号与原信号相关系数高于0.85。      

基于双向运动补偿的帧速率上变换算法

针对不同帧速率视频之间的转换问题,提出一种改进的基于双向运动补偿的帧频提升算法,通过边缘加权获取高精度的双向运动向量,利用可变尺寸块运动向量场估计逐级对运动向量求精,采取自适应重叠块补偿方法解决帧频提升过程中产生的重叠及空洞问题,提高双向运动向量的精度,减小块效应。实验结果表明,与传统的帧频提升算法相比,该算法在内插图像主、客观质量方面都有较大提升。     

磁敏测速系统的数据采集平台实现

串口同步采集是工业控制应用的重要环节,为克服由于不准确的数据采集所带来的乘性误差,进而对多串口的同步采集进行了研究。利用VS2005编程环境,设计实现了多串口的上位机数据采集平台,该平台开辟线程对多个串口采取重叠读取方式,实现了对测速系统中大量的串口数据同步读取、保存并实现波形动态显示的功能,满足了智能测速系统的测速算法研究的需要。此平台可以广泛的应用在测速系统之中,也可辅助用于各种工业控制的高级要求。